文章目录
加速方法：Numba、CuPy、PyTorch、PyCUDA、Dask、Rapids
| 加速方法 | 简介 | 支持平台 | 适用范围 |
|---|---|---|---|
| Numba | 通过即时编译（JIT）来加速Python函数 | CPU + GPU | 数值计算（密集循环） |
| CuPy | NumPy的GPU加速库 | GPU | 数组操作和数学计算（大规模数据集） |
| PyTorch | 深度学习框架 | GPU | 张量操作和自动求导 |
| PyCUDA | 与CUDA交互的Python库 | GPU | 在Python中编写CUDA代码并在GPU上执行 |
| Dask | 并行计算库 | CPU + GPU | 并行操作（大规模数据集） | </